NVIDIA non ha mai nascosto l'ambizione di diventare il fornitore unico di potenza di calcolo per i data center moderni. L'ultimo segnale arriva, quasi in sordina, da un post aziendale che esalta le doti single-thread della CPU Vera. Nel testo, l'ingegnere di NVIDIA conferma che la prossima generazione, nome in codice Rosa, poggerà su un nuovo core chiamato Rigel. Non si tratta di un semplice aggiornamento. È il passaggio da un design basato sulle architetture ARM Neoverse (gli attuali core Olympus) a un progetto interamente personalizzato.

Perché questo conta, soprattutto per chi valuta l'adozione on-premise di carichi di intelligenza artificiale? La risposta sta nell'integrazione stretta tra CPU e GPU. I chip Grace, l'attuale proposta server di NVIDIA, dimostrano già i vantaggi di un'accoppiata progettata in casa: memoria coerente NVLink-C2C, latenze ridotte, pipeline dati ottimizzate. Con Rigel, NVIDIA può spingersere oltre, sintonizzando il core sulle operazioni accessorie che accompagnano l'inference di modelli linguistici di grandi dimensioni (LLM): dalla tokenizzazione rapida al preprocessing dei batch, fino alla gestione efficiente delle code di richiesta. In un ambiente on-premise, dove ogni watt e ogni millisecondo contano, questo controllo architetturale promette un salto di efficienza che i processori generici difficilmente possono eguagliare.

C'è anche una dimensione strategica che merita attenzione. Progettare un core CPU proprietario è un investimento colossale, e NVIDIA sembra intenzionata a costruire una piattaforma completamente integrata, dalla scheda al silicio. Questo la pone in rotta di collisione con fornitori consolidati come Intel e AMD, ma anche con l'ecosistema ARM standard. Se Grace e la futura Rosa con core Rigel offriranno, come è plausibile, un differenziale prestazionale marcato nei workload AI, gli amministratori IT si troveranno di fronte a un bivio: accettare un lock-in tecnicico in cambio di una semplicità operativa e di un TCO potenzialmente inferiori, oppure mantenere l'eterogeneità hardware a scapito dell'integrazione.

Per le realtà che gestiscono infrastrutture self-hosted, dove la sovranità dei dati e la prevedibilità dei costi sono priorità assolute, il calcolo diventa più concreto. Una macchina costruita attorno a un pacchetto CPU-GPU NVIDIA potrebbe semplificare la validazione, ridurre le sorprese di compatibilità e offrire un supporto unificato. Allo stesso tempo, affidare a un solo attore l'intero stack hardware non è una scelta neutrale: la dipendenza da un fornitore può irrigidire le scelte future.

La mossa di NVIDIA con Rigel non è isolata. Fa parte di un riassetto più ampio del settore, in cui i carichi di lavoro dominanti (inference e training) dettano l'architettura del silicio, e non viceversa. La CPU cessa di essere il centro del sistema e diventa un nodo specializzato in una rete di calcolo eterogeneo. Per chi segue le dinamiche dell'AI on-prem, questo annuncio, per ora scarno di dettagli tecnici, è un promemoria: il futuro dell'hardware AI sarà sempre più integrato verticalmente. E NVIDIA ha appena alzato la posta.